Projet de fin d'étude : Techniques d'apprentissage automatique pour l'extraction des aspects dans l'analyse des sentiments
Etudiant : EL OMARI KARIMA
Filière : Master Informatique Décisionnelle et Vision Intelligente (MIDVI)
Encadrant : Pr. EN-NAHNAHI NOUREDDINE
Annèe : 2024
Résumé : L’analyse des opinions consiste à extraire des connaissances à partir des commentaires laissés par les utilisateurs à propos d’un produit, service, actualité, etc. L’analyse des opinions basée sur les aspects consiste à décomposer le commentaire afin d’en extraire les aspects évalués par l’utilisateur. Ces aspects contribuent à la prise de décision en fournissant plus de détails sur les avis des utilisateurs. Ce travail présente deux modèles d'apprentissage automatique pour la sous-tâche d'ABSA : l'ATE (Aspect Term Extraction), qui extrait les termes d'aspects dans les phrases d'examen. Le premier modèle est basé sur le classifieur Machine à Vecteurs de Support (SVM) pour les problèmes multi-classes. Concernant le deuxième modèle, le problème d'extraction des aspects est traité comme un problème d'étiquetage de séquences. Pour ce modèle, nous utilisons le POS tagging avec les CRF (Conditional Random Fields), car ces deux approches sont reconnues pour leurs performances dans les tâches d'étiquetage de séquences. Il a été observé que le POS tagging peut améliorer les performances du modèle d'extraction. L'ATE est évalué à l'aide d'un ensemble de données de référence de SemEval-2014 tâche 4, les résultats obtenus montrent de bonnes performances. Mots-Clés : L’analyse des sentiments basée sur les aspects (ABSA) ; Apprentissage automatique ; Extraction des aspects ; Machine à vecteurs de support ; POS tagging ; Champs Aléatoires Conditionnels (CRF).